自动化立体仓库堆垛机拣选作业调度研究

将堆垛机拣选作业调度归纳为旅行商问题，并从遗传算法角度，研究了求解堆垛机拣选作业调度最优路径的具体方法。经过仿真试验验证，这一方法完全可行。     

基于单亲遗传算法的堆垛机复合作业路径优化

基于堆垛机的作业方式和特点,针对复合作业路径优化问题进行数学建模,并采用单亲遗传算法求解,实验仿真和工程应用证明该模型和算法是可行和有效的。     

GASA混合优化算法在自动化立体仓库堆垛机作业调度问题中的应用

堆垛机出入库调度优化问题是提高自动化立体仓库工作效率的关键技术之一.本文通过对出入库调度问题中影响堆垛机作业时间因素的分析,把堆垛机调度的优化路线问题转化为TSP问题,然后采用遗传-模拟退火混合优化算法来解决.数值试验表明混合优化算法吸收了单一算法的各自优点,克服了本身的缺点,显示出较强的全局优化能力,为立体仓库任务调度问题提供了新的求解思路.     

基于改进灰狼优化算法的自动化立体仓库作业能量优化调度

针对带有截止时间约束的自动化立体仓库出入库作业调度问题,以调度过程中堆垛机能量消耗为优化目标建立数学模型,并引入相应的惩罚函数。对于入库货物,同时考虑定位存储和随机存储两种入库策略,采用一种最近邻货位选择策略对随机存储货物进行合理货位分配。采用一种改进灰狼优化算法对问题进行求解,算法通过引入融合Lévy飞行的混合个体更新策略和多种群重组策略来增强算法的搜索能力。通过仿真实验验证了改进灰狼优化算法在求解自动化立体仓库出入库作业能量优化调度问题的有效性。     

拣选式自动化仓库堆垛机作业路径简易优化算法

分析了自动化仓库堆垛机拣选作业的运行特点,给出了堆垛机拣选作业旅行商数学模型的常用优化算法。结合拣选作业的数学模型和固定货架的物理结构,构造了一种适合工程应用、编程简单的环状作业路径,并将该算法与最近邻居法和混合遗传算法进行了分析比较。仿真实验和工程实际应用表明,该算法能有效提高系统的工作效率。     

基于运动目标路径的粒子群优化算法研究

粒子群优化算法(PSO),是一种基于迭代的优化方法,能用于各类优化问题.首先分析传统粒子群优化的搜索策略与基本算法,通过修改限制因素,并对粒子群算法全局极值和个体极值选取方式的改进,从而得到了一个求解运动目标路径优化问题的算法.实验结果证明了算法的有效性.     

基于k-中心点法的改进粒子群算法在旅行商问题中的应用

为将面向连续优化的粒子群优化算法应用于旅行商问题的求解,提出了旅行商问题的权重编码方案.该方案将属于组合优化的旅行商问题转化为连续优化问题,同时保留了粒子群算法的易操作性和高效性.针对粒子群算法易陷入局部最优的问题,提出了适合旅行商问题的基于k-中心点法的改进措施.该措施利用简单匹配系数构建粒子群的相异度矩阵,在此基础上采用k-中心点法对粒子群进行聚类分析,实现了粒子之间的信息交换,扩大了粒子的搜索空间,避免算法陷入局部最优.最后,用旅行商问题标准库的4个算例验证了权重编码方案和改进粒子群算法的有效性.     

烟丝原料立体仓库堆垛机出入库作业优化研究

为了提高烟丝原料立体仓库堆垛机的作业效率,解决多台堆垛机作业不均衡问题,提出了以各堆垛机作业时间总和最小与作业时间均衡为目标的出入库作业优化模型.在该模型中,用出入库优化作业的规则替代原有作业规则.为了寻求最佳的出入库货位序列,该模型通过构建货位坐标系,采用堆垛机在全速和减速运行状态下联合作业和单作业两种模式的作业时间计算方法,提高了出入库的作业效率.在相同参数下,对一个具体烟丝立体仓库实例进行了作业优化前后的比较.结果表明,通过采用优化作业方法,作业效率每小时可以提高82个烟包,各堆垛机的作业不均衡性大为减小.     

基于改进粒子群算法的路径规划研究与应用

为解决应用于旅行商问题的基本粒子群算法存在的收敛精度不高且早熟等问题,提出一种改进自适应杂交退火粒子群(IAHAPSO)算法。该算法采用基于种群离散度的分种群式自适应调整惯性权重,引导种群的正确进化发展方向;采用模拟退火算法更新群体极值的策略,避免粒子搜索陷入局部最优解;并在种群发展过程中引入遗传杂交算子,增加种群的多样性。通过3种标准TSPLIB测试集验证所提IAHAPSO算法在求解精度及效率上的可行性和优越性。以四轴裁剪机试验系统进一步验证所提算法的有效性。     

粒子群优化算法综述

首先介绍了PSO的原理及具体实现步骤;然后针对PSO算法在搜索的初期收敛速度很快,但在后期却易于陷入局部最优的缺点,提出了各种改进办法;最后介绍了PSO算法的应用领域以及研究展望.     

矩形件排样问题的粒子群算法求解

粒子群算法是近年来出现的一种搜索寻优算法,文中用粒子群算法求解矩形件优化排样问题,试验实例表明求解算法是有效的.     

混合粒子交互微粒群算法

针对现有微粒群算法仅考虑单一一种引斥力规则使得其搜索能力存在的不足,考虑在不同搜索阶段采用不同的引斥力规则,提出搜索后期引力增强型混合引斥力微粒群算法(LAPSO算法)。利用拟态物理学中的引斥力规则使粒子保持多样性,提高算法的全局搜索能力;当进入到具有全局最优解的区域时,增强引力作用、减少斥力作用,利用比自身适应度好的粒子和全局最优解粒子的引力作用,提高算法的局部搜索能力。为进一步提高LAPSO算法的优化性能,将其与混合全连接型-环形拓扑结合,提出混合粒子交互微粒群算法(HIPSO算法)。通过6个Benchmark函数进行测试,结果表明,与现有的扩展-微粒群、微-微粒群、中值导向-微粒群等算法相比,所提的LAPSO算法、HIPSO算法具有较好的种群多样性,具有更好的寻优精度、收敛率和最优解搜索能力。结合文献[7]中的柔性流水车间调度离散优化实例和文献[20]中的超声振动加工工艺参数连续优化实例,验证了HIPSO算法的最优解搜索能力。     

基于改进粒子群算法的开放式定位-运输路线问题研究

将开放式车辆路径问题和定位-分配问题集成考虑，建立了该问题的数学模型；运用基于遗传算法、模拟退火算法的改进粒子群算法，对一个开放式定位-运输路线问题进行了求解。历次迭代产生的全局历史最优解的良好收敛，验证了模型的正确性和算法的有效性。     

基于改进粒子群算法的机械结构优化设计

针对粒子群算法在寻优过程中存在的容易陷入局部极小、收敛速度慢等缺点,结合粒子在实际寻找食物的过程中,大部分可以飞到其预期的最佳位置,而少数粒子由于受不确定因素影响,发生飞行偏离,本文提出了一种改进粒子群算法。算法中的模拟不确定因素干扰操作,能够有效避免群体过度集中现象,有效增加了种群的多样性。典型复杂机械优化设计的仿真结果表明,该改进算法能够快速、有效地进行全局搜索。     

基于混合粒子群优化的移动IP路由选择

针对移动IP网络中,现有三角路由算法效率不高,导致移动网络性能难以达到最优的问题,提出了一种将模拟退火算法和粒子群算法结合使用的基于混合粒子群的移动IP路由算法,仿真结果表明了该算法的有效性.     

基于CLPSO算法的结构系统识别

系统识别问题可以转化成高维多模优化问题。针对基本粒子群优化在分析此类问题时容易出现早熟收敛从而导致局部优化和产生较大误差,提出将基于综合学习策略粒子群优化算法(CLPSO)应用于结构参数识别。由于该方法能够保持群体的多样性,因此可以避免早熟收敛。利用该方法在测量数据不完备且有噪声污染的条件下,同时在没有系统质量和刚度等先验信息的情况下对结构系统进行了识别,通过数值模拟以及对某真实结构进行分析,验证了该方法对结构系统识别的有效性。     

离散粒子群优化算法求解矩形件排样问题

提出了一种基于离散粒子群优化算法求解矩形件排样问题的方法.文中介绍了基本粒子群优化的搜索策略与基本算法,用置换子和置换序列构造一种离散粒子群优化矩形件排样算法,通过实例和遗传算法相比较,实验结果表明该算法是有效的.     

基于粒子群算法的永磁电机优化设计

将粒子群算法应用到永磁电机的多目标优化设计。利用Matlab脚本语言跨平台调用电磁场分析软件Ansoft Maxwell,建立永磁电机设计的参数化建模方式,实现多目标优化设计。实验表明脚本化建模及多目标优化的可行性,能直接应用到电机的设计制造中。     

基于混合群集智能算法的并行公差优化设计

通过对并行公差优化设计的分析,将其视为一种混合变量组合优化问题.首先给出了并行公差优化设计的数学模型,然后将其映射为一类特殊的旅行商问题--顺序多路旅行商问题,从而降低了问题的求解难度.利用蚁群优化算法和粒子群优化算法,分别在求解离散和连续变量优化时的优势,提出了一种求解并行公差优化设计问题的混合群集智能算法.通过一个计算实例,将混合群集智能算法分别与遗传算法和模拟退火算法进行了比较,结果表明,前者具有更强的搜索能力和较高的效率.同时,混合群集智能算法也为求解一般意义的混合变量优化问题提供了借鉴和参考.